论分子表示的局限性
On the limitations of molecular representations
精选理由
系统比较揭示分子嵌入与指纹的结构、性质表征盲点及大规模碰撞风险，为虚拟筛选和分子编码改进提供依据。
AI 摘要
arXiv:2611.08420v1 公告类型：新论文 摘要：分子指纹和学习得到的嵌入等分子表示在化学信息学和小分子机器学习中发挥着核心作用。它们是聚类、数据集划分和虚拟筛选等多种任务的主要输入，但对其的评估往往局限于下游模型在范围狭窄的基准任务上的表现。我们系统研究了分子表示的质量，发现现有最先进的分子嵌入模型在捕捉图结构、三维形状或 ADMET 终点相似性方面，均未优于分子指纹或物理化学描述符。然而，传统分子指纹也显现出自身的显著局限性。例如，我们发现，在包含 108 亿个分子的 Enamine REAL 数据库中，视所用表示方法而定，有 2.25 亿至约 40 亿个分子的表示并不唯一，这会对虚拟筛选产生影响。我们的研究揭示了当前分子表示的局限性，并为开发更稳健的小分子编码方式指明了未来的研究方向。